Predicción de postulantes que cometerán fraude interno en una compañía con algoritmos de aprendizaje supervisado

Sergio Espinoza Montalvo

Producción científica: Contribución a una revistaArtículo (Contribución a Revista)revisión exhaustiva

Resumen

El fraude interno es un gran problema para las empresas, ocasionando pérdidas monetarias importantes. Diversas investigaciones han propuesto mejoras al proceso de selección de personal utilizando minería de datos. El pre¬sente trabajo propone utilizar la información histórica de postulantes a una empresa para predecir si cometerán fraude durante su estadía. Existen modelos con un nivel de precisión alto, pero que tienen un error de clasificación mayor para encontrar los casos de fraude. Después de diversas experimentaciones, se identifican alrededor de 7 características de este universo que aportan más al modelo. Algunas de estas variables coinciden con variables mencionadas en la literatura encontrada sobre trastornos antisociales. El algoritmo con mejores resultados es una red neuronal convolucional con 80 % de precisión. Se concluye que hay valor en la información de postulantes para determinar si cometerán fraude interno durante su estadía en la empresa
Idioma originalInglés estadounidense
PublicaciónInterfases
DOI
EstadoPublicada - 1 ene. 2019
Publicado de forma externa

Categoría OCDE

  • Ingeniería de sistemas y comunicaciones

Temas Repositorio Ulima

  • Data mining
  • Employee selection
  • Fraud
  • Fraude
  • Neural networks (Computer science)
  • Redes neuronales artificiales
  • Selección de personal

Huella

Profundice en los temas de investigación de 'Predicción de postulantes que cometerán fraude interno en una compañía con algoritmos de aprendizaje supervisado'. En conjunto forman una huella única.

Citar esto